Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Menentukan Kelayakan Masyarakat Penerima BLT (Bantuan Langsung Tunai)

Authors

  • Anggi Marbun STMIK Triguna Dharma
  • Beni Andika STMIK Triguna Dharma
  • Tugiono STMIK Triguna Dharma

Keywords:

Bantuan Langsung Tunai (BLT), Data Mining, K-Means

Abstract

Pemerintah sendiri telah melakukan beberapa upaya dalam melakukan pengentasan kemiskinan diantaranya melalui program bantuan sosial diantaranya Bantuan Langsung Tunai (BLT). Satu kesulitan yang terkadang dihadapi oleh pemerintah dalam proses penanganan kemiskinan adalah proses pembagian bantuan sosial yang tidak merata dan tidak tepat sasaran. Ini disebabkan karena validasi data sering diabaikan sehingga menimbulkan data yang tidak akurat. Demi keadilan, penyaluran bantuan itu semestinya dibatalkan atau harus di tunda, sampai data masyarakat yang berhak menerima bantuan itu benar-benar valid. Permasalahan tersebut perusahaan membutuhkan bidang keilmuan data mining dengan menggunakan metode K-Means Clustering. Dengan menggunakan metode ini, data-data yang telah didapatkan dapat dikelompokan kedalam beberapa cluster berdasarkan kemiripan dari data-data tersebut, sehingga data-data yang memiliki karakteristik yang sama dikelompokan dalam satu cluster dan yang memliki karakteristik yang berbeda dikelompokan dalam cluster yang lain yang memiliki karakteristik yang sam Hasil penelitian ini dapat membantu Desa Adian Gupa Kabupaten Dairi  dalam hal klasterisasi Bantuan Langsung Tunai (BLT)  msayarakat  yang dikelompokkan dalam peneriman bantuan.

Author Biographies

Anggi Marbun, STMIK Triguna Dharma

Sistem Informasi

Beni Andika, STMIK Triguna Dharma

Sistem Informasi

Tugiono, STMIK Triguna Dharma

Sistem Informasi

References

A. B. Belipati, “Penerapan Metode Dempster-Shafer Untuk Menganalisis Kepuasan Mahasiswa Universitas San Pedro,” AINET Jurnal Informatika, Vol. III, No. 1, Pp. 21-30, 2021.

L. S. Lesmana, “Aplikasi Sistem Pakar Diagnosa Gejala Penyakit Ibu Hamil Berdasarkan Keluhan Berbasis Web,” JOISIE Journal Of Information System And Informatics Engineering, Vol. 4, No. 2, Pp. 62-69, 2020.

1. R. Lumbanraja, R. S. Sani, D. Kurniawan Dan A. R. Irawati, “Implementasi Metode Support Vector Machine Dalam Prediksi Persebaran Demam Berdarah Di Kota Bandar Lampung,” Jurnal Komputasi , Vol. VII, No. 2, Pp. 63-73, 2019.

S. Maesaroh Dan K. , “Sistem Prediksi Produktifitas Pertanian Padi Menggunakan Data Mining,” Edisi Nopember 2017, Vol. II, No. 2, Pp. 25-30, 2017.

Y. Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4.5,” Jurnal Edik Informatika, Vol. I, No. 1, Pp. 213-219, 2019.

M. G. Mona, J. S. Kekenusa Dan J. D. Prang, “Penggunaan Regresi Linear Berganda Untuk Menganalisis Pendapatan Petani Kelapa Studi Kasus: Petani Kelapa Di Desa Beo, Kecamatan Beo Kabupaten Talaud,” Jdc, Vol. IV, No. II, Pp. 196-203, 2015.

T. A. Mulyati, F. E. Pujiono Dan P. A. Lukis, “Pengaruh Lama Pemanasan Terhadap Kualitas Minyak Goreng Kemasan Kelapa Sawit,” Jurnal Wiyata, Vol. II, No. 2, Pp. 162-168, 2015.

P. A. Octaviani, Y. Wilandari Dan D. Ispriyanti, “Penerapan Metode Klasifikasi Support Vector Machine (SVM) Pada Data Akreditasi Sekolah Dasar (SD) Di Kabupaten Magelang,” JURNAL GAUSSIAN, Vol. III, No. 4, Pp. 811 - 820, 2014.

C. R. Pasall, V. C. Poekoel Dan X. Najoan, “Sistem Pakar Diagnosa Penyakit Anak Menggunakan Metode Forward Chaining Berbasis Mobile,” E-Journal Teknik Informatika, Vol. VII, No. 1, Pp. 1-6, 2016.

A. Triana, “Pengaruh Penyakit Penyerta Kehamilan Dan Kehamilan Ganda Dengan Kejadian Bayi Berat Lahir Rendah Di RSUD Arifin Achmad Provinsi Riau,” Jurnal Kesehatan Komunitas, Vol. 2, No. 5, Pp. 193-198, 2014.

Downloads

Published

2022-02-26